基于小波分析神经网络的模拟电路 故障诊断方法.docVIP

PAGE PAGE 4基于小波分析神经网络的模拟电路故障诊断方法王恒华1 彭良玉2(1，2.湖南师范大学物理与信息科学学院，湖南长沙，410081)摘要:提出了利用故障信号各频带的系数序列的绝对值之和和能量特征作为特征信号经神经网络信息融合的模拟电路故障诊断新方法。该方法先对采样后的故障信号进行小波分解，提取故障特征信号经归一化和向量关联后作为特征向量输入BP神经网络进行训练诊断。通过电路诊断实例，阐述了该方法的具体实现，验证了所提方法的有效性。关键词：小波分析；神经网络；模拟电路；故障诊断A Method for Fault Diagnosis of Analog Circuits Based on Neural Network Wavelet Analysis 意思不对应Wang Henghua1 Peng Liangyu2(1，2. HYPERLINK /hnsd/yxsz/xy4/xyjj/ College of Physics and Information Science,Hunan Normal University, Changsha 410081,China)Abstract: A new method for fault diagnosis of analogue circuits based on neural network information fusion technique about the absolute value sum of decomposed coefficients and energy fault features of each frequency band. the fault features of signal are extracted from wavelet decomposition and are normalized and are connected as vector. this features of vector are inputted BP neural network and trained. the realization of the proposed method is expounded by using practical circuit. the simulation results demonstrate the effectiveness of the proposed method.Key words: Wavelet analysis; Neural network; Analogue circuits; Fault diagnosis 1 引言模拟电路故障诊断是近代电路理论的一个前沿领域,其基础理论研究始于20世纪70年代初的元件可解性问题的研究,现已发展成为网络理论中公认的第三个分支。由于模拟电路中的输入输出响应都是连续量;电路元器件参数具有很大的离散性,即具有容错;以及模拟电路中广泛存在的非线性等原因,给其故障诊断带来很大的困难。由于神经网络具有良好的学习和泛化能力,近年来成为研究的热点。文献[1,2]中将模拟电路中的可及节点的电压作为输入训练神经网络,然后利用被测电路的节点电压测试神经网络以定位故障元件,这使得软故障诊断成为了可能。现有软故障诊断研究中，大多数是单故障诊断，针对电路中的多故障诊断所做的研究并不多见。文献[3-5]提出了对故障信号进行小波变换预处理的单故障诊断方法，针对上述问题，文中提出了一种可用于多故障诊断的改进方法。该方法首先对电路进行灵敏度分析，确定电路的敏感元件和电路的测试点[5]，然后对其节点进行小波分析，提取各频带信号的系数序列的绝对值之和和能量特征作为特征信号，经归一化和向量关联后输入神经网络进行训练，然后对训练好的神经网络进行性能测试，实验结果表明该方法的有效性和可行性。2 故障特征提取和处理2.1 连续小波变换将任意L2(R)空间中的函数f (t)在小波基下展开，即为函数f (t)的连续小波变换（Continue Wavelet Transform，CWT），其表达式为: 公式字体太小由以上公式定义可知，小波变换具有尺度a 和平移τ两个参数，所以函数一经小波变换，就意味着将一个时间函数投影到二维的时间、尺度相平面上，有利于提取信号函数的某些本质特征。对信号进行小波分解，选择合适的小波函数非常重要。由于haar小波函数具有不连续自然性质的紧支撑性和零对称性，具有良好的时间局部性, haar小波函数非常适合从具有窄宽度和快速变化特征信号中提取特征,符合模拟电路冲击响应信号的特征,且计算简单。Haar小波函数定义为： 公式字体太小在故障特征提取